量化模型与构建方式 1. 模型名称：量化大势研判行业配置策略（资产比较策略）[8][12] * 模型构建思路：基于产业生命周期理论，将权益资产划分为五种内在风格属性。通过“g>ROE>D”的优先级顺序，自下而上地比较所有资产的优劣，筛选出具有基本面优势的资产，其风格属性即代表未来市场主流风格，并据此进行行业配置。[8] * 模型具体构建过程： 1. 风格定义与资产分类：根据产业生命周期，将股票资产划分为五种风格：外延成长、质量成长、质量红利、价值红利、破产价值。[8] 2. 资产比较框架：采用分级比较逻辑。 * 主流资产比较：优先比较实际增速资产（g）、预期增速资产（gf）、盈利资产（ROE）三类。只要其中一类资产具备优势，市场资金就会集中配置，次级资产机会不大。[12] * 次级资产比较：当主流资产均无优势时，转向比较次级资产，其优先级由拥挤度决定：质量红利 > 价值红利 > 破产价值。[12] 3. 优势判断与因子应用：对每一类风格资产，使用特定的量化因子进行横向比较，筛选出优势行业。 * 预期成长（gf）：比较分析师预期增速（g_fttm）。[9][38] * 实际成长（g）：比较业绩动量，使用超预期因子，如sue、sur、jor。[9][40] * 盈利能力（ROE）：在PB-ROE框架下，选择估值较低的高ROE资产，使用PB-ROE回归残差因子。[9][43] * 质量红利：结合股息率（dp）和盈利能力（roe）进行综合打分。[46] * 价值红利：结合股息率（dp）和市净率倒数（bp）进行综合打分。[49] * 破产价值：结合低市净率（pb）和小市值（size）进行综合打分（打分最低）。[53] 4. 行业配置：以中信二三级行业（整理合并后为202个）为标的，每期在每个占优的风格策略下，选择排名靠前的5个行业，以等权重方式进行配置。[19] * 模型评价：该框架自2009年以来对A股的风格轮动具有较好的解释能力。[19] 2. 因子名称：资产优势差（Spread）[25] * 因子构建思路：用于刻画某类资产中头部资产（Top组）相对于尾部资产（Bottom组）的趋势变化，类似于因子择时中的Spread指标。通过监测优势差的扩张与收缩，来判断对应风格资产的景气度。[25] * 因子具体构建过程： 1. 每月末，计算所有行业在特定因子（如预期增速g_fttm、实际增速g_ttm、ROE）上的数值。 2. 根据因子值对行业进行排序，并分为若干组（如十分位）。 3. 计算头部组（如Top组）因子值的中位数与尾部组（如Bottom组）因子值的中位数之差。 $资产优势差 = Top组中位数 - Bottom组中位数$ 4. 观察该差值的时间序列变化，若差值扩大（Δ为正），则表明头部资产相对优势在增强；若差值缩小（Δ为负），则表明优势在减弱。[25][29] 模型的回测效果 1. 量化大势研判行业配置策略（资产比较策略），年化收益27.67%（2009年以来），2009年超额收益51%，2010年超额收益14%，2011年超额收益-11%，2012年超额收益0%，2013年超额收益36%，2014年超额收益-4%，2015年超额收益16%，2016年超额收益-1%，2017年超额收益27%，2018年超额收益7%，2019年超额收益8%，2020年超额收益44%，2021年超额收益38%，2022年超额收益62%，2023年超额收益10%，2024年超额收益52%，2025年超额收益14%，2026年1月超额收益-1%。[20][22] 量化因子与构建方式 1. 因子名称：预期净利润增速（g_fttm）[9][38] * 因子构建思路：基于分析师对未来净利润的一致预期，衡量资产的成长潜力。适用于所有产业周期阶段，是预期成长风格的核心筛选指标。[9] * 因子具体构建过程：报告未给出具体计算公式，但通常指未来十二个月（Forward Twelve Months）的预期净利润增长率，由市场分析师一致预测数据计算得出。 2. 因子名称：超预期因子簇（sue, sur, jor）[40] * 因子构建思路：衡量公司实际发布的业绩相对于市场预期的偏离程度，捕捉业绩动量。主要适用于转型期和成长期资产，是实际成长风格的核心筛选指标。[9][40] * 因子具体构建过程：报告未给出具体计算公式。通常包括： * SUE（Standardized Unexpected Earnings）：标准化意外盈余， (实际EPS - 预期EPS) / 历史盈余波动率。 * SUR（Surprise）：意外程度， (实际EPS - 预期EPS) / 预期EPS绝对值。 * JOR：可能指业绩预告或快报相关的超预期指标。 3. 因子名称：PB-ROE回归残差[43] * 因子构建思路：在PB-ROE估值框架下，寻找盈利能力（ROE）较高但估值（PB）相对较低的资产，即“性价比”高的盈利资产。适用于成熟期资产。[9][43] * 因子具体构建过程： 1. 在横截面上，对行业（或公司）的市净率（PB）与净资产收益率（ROE）进行回归。 $PB = \alpha + \beta * ROE + \epsilon$ 2. 计算回归残差 (\epsilon)。残差为负表示该行业的实际PB低于其ROE所对应的理论PB，即估值相对偏低，更具投资价值。 4. 因子名称：质量红利复合因子（dp+roe）[46] * 因子构建思路：综合考察资产的股息回报（dp）和盈利质量（roe），筛选出既能提供稳定现金分红又具备良好盈利能力的资产。适用于成熟期资产。[46] * 因子具体构建过程：报告未给出具体的合成公式。通常做法是对股息率（dp）和净资产收益率（roe）分别进行横截面标准化或分位数排序，然后按一定权重（如等权）相加得到综合得分。 5. 因子名称：价值红利复合因子（dp+bp）[49] * 因子构建思路：综合考察资产的股息回报（dp）和账面价值（bp，即市净率的倒数），筛选出高股息且估值便宜的深度价值型资产。[49] * 因子具体构建过程：报告未给出具体的合成公式。通常做法是对股息率（dp）和市净率倒数（bp）分别进行横截面标准化或分位数排序，然后按一定权重（如等权）相加得到综合得分。 6. 因子名称：破产价值复合因子（pb+size）[53] * 因子构建思路：寻找市净率（pb）极低、市值（size）较小的资产，这类资产可能蕴含并购重组、壳价值或极端低估的机会。适用于停滞期和衰退期资产。[53] * 因子具体构建过程：报告明确指出该策略选取“PB+SIZE打分最低”的行业。[53] 通常做法是对市净率（pb）和市值（size）分别进行横截面标准化或分位数排序（注意：pb因子值小代表估值低，size因子值小代表市值小），然后按一定权重相加得到综合得分，并选择得分最低的资产。 7. 因子名称：拥挤度[12][30][34] * 因子构建思路：衡量某一类资产或策略的交易热门程度和资金集中度。拥挤度过高可能预示着短期风险加大，用于在次级资产比较中确定优先级，并作为主流资产配置的辅助风控指标。[12][30][34] * 因子具体构建过程：报告未给出具体计算方法。常见的拥挤度指标可能包括：换手率分位数、估值分位数、资金流入强度、因子收益率波动率等。